OpenMedLM: prompt engineering can out-perform fine-tuning in medical question-answering with open-source large language models.
OpenMedLM: 在醫學問答中，prompt engineering 可以優於對開源大型語言模型進行微調。 Sci Rep 2024-06-19

OpenMedLM是一個開源的醫學語言模型，在醫學基準測試中表現優異，且無需大量微調。透過提示策略，OpenMedLM在三個醫學語言模型基準測試中取得領先地位，超越其他模型。這顯示開源基礎模型在提升醫療任務表現方面具有潛力，同時也凸顯提示工程對於醫學應用中易用的語言模型的重要性。 PubMed DOI

Large Language Models lack essential metacognition for reliable medical reasoning.
大型語言模型缺乏可靠醫學推理所需的基本後設認知。 Nat Commun 2025-01-14

大型語言模型（LLMs）在醫學考試中表現出色，但其元認知能力尚未充分檢視。我們開發了MetaMedQA基準測試，評估模型的信心分數和元認知任務。研究顯示，雖然模型在回答問題上表現良好，但在識別知識空白方面存在重大缺陷，經常自信地提供錯誤答案。這種脫節可能在臨床環境中帶來風險，因此需要改進評估框架，以提升LLM在臨床決策支持系統中的可靠性。 PubMed DOI

Empowering large language models for automated clinical assessment with generation-augmented retrieval and hierarchical chain-of-thought.
利用生成增強檢索和分層思維鏈來提升大型語言模型的自動臨床評估能力。 Artif Intell Med 2025-02-20

這項研究提出了一種名為「GAPrompt」的新方法，旨在提升大型語言模型（LLMs）在自動化臨床評估中的應用，特別是針對電子健康紀錄（EHRs）中的中風評估。GAPrompt包含五個關鍵組件，包括選擇適合的LLM、建立增強知識庫、改善檢索、增強推理精確性及結合多重生成輸出。研究結果顯示，GAPrompt能有效分析EHRs並提供定量評估，解決傳統中風評估的勞動密集問題，顯示LLMs在醫療及其他領域的潛力。 PubMed DOI

Enhancing Large Language Models for Clinical Decision Support by Incorporating Clinical Practice Guidelines.
通過納入臨床實踐指導增強大型語言模型在臨床決策支持中的應用。 Proc (IEEE Int Conf Healthc Inform) 2025-03-17

這項研究探討如何利用臨床實踐指導（CPGs）來強化大型語言模型（LLMs），以改善針對 COVID-19 的門診治療決策。研究開發了三種整合 CPGs 的方法：二元決策樹、程式輔助圖形構建和思考鏈少量提示，並以零樣本提示作為基準。結果顯示，所有 LLMs 在有 CPG 增強的情況下表現優於零樣本提示，特別是二元決策樹在自動評估中表現最佳。這顯示出帶有 CPG 的 LLMs 能提供更準確的治療建議，未來應用潛力廣泛。 PubMed DOI

Leveraging long context in retrieval augmented language models for medical question answering.
在檢索增強語言模型中運用長文本脈絡於醫學問答 NPJ Digit Med 2025-05-02

大型語言模型在醫療應用常有資訊過時或錯誤的問題。RAG雖能補充新資訊，但容易遺漏重點。這項研究提出BriefContext，用map-reduce方式強化RAG，無需改動模型本身，就能保留重要醫療細節。多項測試證明，BriefContext能讓LLM在醫療問答和臨床決策上更可靠、安全。 PubMed DOI

Small language models learn enhanced reasoning skills from medical textbooks.
小型語言模型從醫學教科書中學習到增強的推理能力 NPJ Digit Med 2025-05-02

這項研究推出 Meerkat 小型醫療語言模型（7B 和 8B 參數），透過醫學教科書的高品質思路鏈資料和多元指令訓練，強化多步推理能力。Meerkat 在醫學考試和病例挑戰中表現優於其他小型模型，甚至超越人類平均分數，推理品質也獲專家肯定，同時兼顧輕量化和隱私。 PubMed DOI

Role of Model Size and Prompting Strategies in Extracting Labels from Free-Text Radiology Reports with Open-Source Large Language Models.
開源大型語言模型在從自由文本放射學報告中擷取標籤時，模型規模與提示策略的角色 J Imaging Inform Med 2025-05-05

開源大型語言模型（LLMs）在從放射科報告擷取標籤上，比傳統規則式工具（如 CheXpert）更準確。規模較大的 LLMs，特別在判讀困難異常（如肋骨骨折）時，敏感度更高。不同提示策略（如 chain-of-thought）效果不一。即使標籤有雜訊，用 LLM 擷取的標籤訓練影像分類器，表現仍不錯，但最終評估結果會受標註方法影響很大。因此，選對 LLM、提示方式和評估方法對醫療 AI 發展很重要。 PubMed DOI

Development of a Flexible Chain of Thought Framework for Automated Routing of Patient Portal Messages.
開發用於自動分流病人入口網站訊息的彈性思考鏈架構 AMIA Annu Symp Proc 2025-05-26

這項研究用大型語言模型和Chain-of-Thought提示技術，自動分類病人透過入口網站發送的訊息，幫助分流、減輕醫護人員負擔。模型參考分診護理師標註，能隨工作流程調整，分類準確度也比傳統方法高。這方法彈性高、可持續優化，適用於各種臨床文件處理，有助提升回應速度與安全性，減少醫護壓力。 PubMed

Evaluating large language models for information extraction from gastroscopy and colonoscopy reports through multi-strategy prompting.
透過多策略提示評估大型語言模型於胃鏡與大腸鏡報告資訊擷取的表現 J Biomed Inform 2025-06-12

這項研究評估多種大型語言模型，利用提示工程從胃鏡和大腸鏡報告中擷取結構化資訊。結果顯示，大型且專業化的模型在基本資訊擷取表現最好，但遇到複雜推理時仍有限制。少樣本學習對部分模型有幫助，顯示LLMs自動化醫療文本分析有潛力，但還需改進。 PubMed DOI

A comparative evaluation of chain-of-thought-based prompt engineering techniques for medical question answering.
基於 chain-of-thought 的提示工程技術於醫學問答之比較性評估 Comput Biol Med 2025-07-02

這項研究發現，不同Chain-of-Thought（CoT）提示方法對大型語言模型在醫學推理上的表現差異不大，簡單的CoT提示效果就很好。模型本身和資料集特性對準確率影響更大。以臨床紀錄為主的任務中，o1-mini模型表現最佳。總結來說，臨床決策應用上，建議優先採用簡單的CoT方法。 PubMed DOI

原始文章

站上相關主題文章列表